لتوقع هذه الأزمات ، يمكنك استخدام i النماذج التنبؤية لكنها تستند إلى مقاييس المخاطر التي غالبًا ما تكون متأخرة أو قديمة أو غير كاملة. حاولت دراسة جامعة نيويورك فهم كيفية استغلال الخوارزميات التنبؤية بالطريقة المثلى.
أظهرت الدراسة أنه من خلال تجميع نصوص 11,2 مليون مقال حول البلدان التي تعاني من انعدام الأمن الغذائي والتي تم نشرها بين عامي 1980 و 2020 ، والاستفادة من التطورات الحديثة في deep learning: يمكن الحصول على نتائج مريحة. سمح التفصيل باستخراج السلائف عالية التردد للأزمات الغذائية التي يمكن تفسيرها والتحقق منها من خلال مؤشرات المخاطر التقليدية.
الخوارزمية deep learning سلط الضوء على أنه خلال الفترة من يوليو 2009 إلى يوليو 2020 ، أدت مؤشرات الأزمة إلى تحسن كبير في التوقعات في 21 دولة تعاني من انعدام الأمن الغذائي ، حتى 12 شهرًا قبل النماذج الأساسية التي لا تتضمن معلومات نصية.
تركز الدراسة على التنبؤ بالتصنيف المرحلي المتكامل (IPC) لانعدام الأمن الغذائي الذي نشرته المجاعة شبكة نظم الإنذار المبكر (شبكة FEWS). هذا التصنيف متاح على مستوى المقاطعات في 37 دولة تعاني من انعدام الأمن الغذائي في أفريقيا وآسيا وأمريكا اللاتينية ، وتم الإبلاغ عنه أربع مرات في السنة بين عامي 2009 و 2015 وثلاث مرات في السنة بعد ذلك.
يُصنف انعدام الأمن الغذائي وفقًا لمقياس ترتيبي يتكون من خمس مراحل: منخفض ، وإجهاد ، وأزمة ، وحالة طوارئ ، ومجاعة.
BlogInnovazione.it
أعلنت صحيفة فاينانشيال تايمز يوم الاثنين الماضي عن صفقة مع OpenAI. "فاينانشيال تايمز" ترخص صحافتها ذات المستوى العالمي...
يدفع الملايين من الأشخاص مقابل خدمات البث، ويدفعون رسوم الاشتراك الشهرية. من الشائع أنك…
سوف تستمر شركة Coveware by Veeam في تقديم خدمات الاستجابة لحوادث الابتزاز السيبراني. ستوفر Coveware إمكانات الطب الشرعي والمعالجة...
تُحدث الصيانة التنبؤية ثورة في قطاع النفط والغاز، من خلال اتباع نهج مبتكر واستباقي لإدارة المحطات.
